Fotonyske yntegreare circuits, as optyske chips, biede mooglik in protte foardielen boppe har elektroanyske tsjinhingers, lykas fermindere enerzjyferbrûk en fermindere latency yn berekkening. Dêrom leauwe in protte ûndersikers dat se ekstreem effektyf kinne wêze yn masine learen en taken fan keunstmjittige yntelliginsje (AI). Intel sjocht ek grutte perspektiven foar it brûken fan silisiumfotonika yn dizze rjochting. Har ûndersyksteam yn
Yn in resinte
Nij Intel-ûndersyk rjochte op wat der bart as ferskate defekten dêr't optyske chips gefoelich foar binne tidens fabrikaazje (om't komputaasjefotonika analoog is fan aard) ferskillen yn berekkeningsnauwkeurigens feroarsaakje tusken ferskate chips fan itselde type. Hoewol ferlykbere stúdzjes binne útfierd, rjochte se yn it ferline mear op optimisaasje nei de fabryk om mooglike ûnkrektens te eliminearjen. Mar dizze oanpak hat minne skalberens as netwurken grutter wurde, wat resulteart yn in ferheging fan 'e komputerkrêft dy't nedich is om optyske netwurken op te stellen. Yn stee fan optimisaasje nei de fabryk, beskôge Intel ien kear trainingschips foar it produsearjen troch in lûdtolerante arsjitektuer te brûken. It referinsje optyske neurale netwurk waard ien kear traind, wêrnei't de trainingsparameters waarden ferdield oer ferskate fabrisearre netwurkeksimplaren mei ferskillen yn har komponinten.
It Intel-team beskôge twa arsjitektueren foar it bouwen fan keunstmjittige yntelliginsje-systemen basearre op MZI: GridNet en FFTNet. GridNet pleatst foarsisber MZI's yn in raster, wylst FFTNet se pleatst yn flinterpatroanen. Nei training sawol yn in simulaasje op 'e hânskreaune sifererkenning djippe learen benchmark taak (MNIST), fûnen de ûndersikers dat GridNet hegere krektens berikte dan FFTNet (98% tsjin 95%), mar de FFTNet-arsjitektuer wie "oansjenlik robúster." Yn feite sakke de prestaasjes fan GridNet ûnder 50% mei de tafoeging fan keunstmjittich lûd (ynterferinsje dy't mooglike defekten simulearret yn produksje fan optyske chips), wylst it foar FFTNet hast konstant bleau.
De wittenskippers sizze dat har ûndersyk de basis leit foar opliedingsmetoaden foar keunstmjittige yntelliginsje dy't de needsaak kinne eliminearje om optyske chips te fynjen nei't se binne produsearre, wat weardefolle tiid en boarnen besparje.
"Lykas by elke produksjeproses, sille bepaalde defekten foarkomme dat betsjutte dat d'r lytse ferskillen sille wêze tusken chips dy't ynfloed hawwe op de krektens fan 'e berekkeningen," skriuwt Casimir Wierzynski, senior direkteur fan Intel AI Product Group. "As optyske neurale entiteiten in libbensfetber diel wurde moatte fan it AI-hardware-ekosysteem, sille se moatte ferhúzje nei gruttere chips en yndustriële produksjetechnologyen. Us ûndersyk lit sjen dat it kiezen fan 'e juste arsjitektuer foarôf kin de kâns signifikant ferheegje dat de resultearjende chips de winske prestaasjes sille berikke, sels yn' e oanwêzigens fan produksjefarianten.
Tagelyk dat Intel primêr ûndersyk docht, stifte MIT PhD-kandidaat Yichen Shen de Boston-basearre opstart Lightelligence, dy't $ 10,7 miljoen hat opsmiten oan venturefinansiering en
Boarne: 3dnews.ru